APLIKASI METODE FUZZY MAMDANI DALAM PENENTUAN JUMLAH PRODUKSI
|
|
- Sudirman Cahyadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 APLIKASI METODE FUZZY MAMDANI DALAM PENENTUAN JUMLAH PRODUKSI Oleh Enny Durratul Arifah Dosen Pembimbing 1. Prof. Dr. Mohammad Isa Irawan, M.T. 2. DR. Imam Mukhlas, S.Si, M.T. INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
2 ABSTRAK Banyak cara untuk menentukan jumlah produksi, salah satunya adalah dengan menggunakan logika fuzzy. Dalam penelitian ini, penentuan jumlah produksi bergantung pada banyaknya bahan baku, besar biaya produksi, banyaknya permintaan konsumen, dan banyaknya stok. Penelitian ini bertujuan untuk menentukan berapa jumlah produksi dengan menggunakan metode fuzzy inference model Mamdani atau sering juga dikenal dengan metode min-max. Perancangan sistem untuk mendapatkan output dilakukan dalam beberapa tahap yaitu: (1) pembentukan himpunan fuzzy, (2) pembentukan aturan-aturan, (3) penentuan komposisi aturan, (4) penegasan (defuzzyfikasi). Pada penelitian ini defuzzyfikasi dilakukan dengan menggunakan metode Composite Moment (centroid). Dengan dibuatnya sistem ini diharapkan dapat membantu perusahaan dalam membuat keputusan untuk menentukan jumlah produksi yang harus diproduksi setiap bulan agar persediaan barang di gudang tetap stabil. Kata kunci: defuzzifikasi, jumlah produksi, logika fuzzy.
3 LATAR BELAKANG Batik Madura merupakan sebuah bentuk karya seni budaya yang banyak diminati dan digemari oleh konsumen dalam negeri dan luar negeri. Dengan bentuk dan motif yang khas batik Madura mempunyai keunikan tersendiri bagi para konsumen. Melihat realita yang terjadi di lapangan perusahaan yang bergerak di bidang industri tekstil khususnya batik mengalami tantangan yang sangat delematis. Permasalahan yang sering terjadi yaitu adanya tingkat persaingan yang sangat tinggi, menuntut perusahaan lebih berdaya guna dalam mengakses jumlah produksi. Banyak cara yang dilakukan untuk menentukan jumlah produksi, salah satunya adalah dengan menggunakan logika fuzzy. Dengan menggunakan metode tersebut diharapkan dapat membantu perusahaan dalam menentukan jumlah produksi. Dengan logika fuzzy, akan dihasilkan suatu model dari suatu sistem yang mampu memperkirakan jumlah produksi.
4 RUMUSAN MASALAH Bagaimana aplikasi logika fuzzy Mamdani dalam menentukan jumlah produksi berdasarkan faktor banyaknya bahan baku, besar biaya produksi, jumlah permintaan dan jumlah stok? RUMUSAN MASALAH 1. Produk yang diteliti adalah batik tulis Madura jenis santio dengan 2 warna pada industri batik tulis Melati Mekar Mandiri Kabupaten Pamekasan. 2. Faktor-faktor yang mempengaruhi penentuan jumlah produksi adalah banyaknya bahan baku, besar biaya produksi, jumlah permintaan, dan jumlah stok. 3. Penalaran fuzzy menggunakan metode Mamdani. 4. Metode deffuzyfikasi yang digunakan adalah metode centroid.
5 TUJUAN PENELITIAN Menentukan berapa jumlah produksi berdasarkan sistem logika fuzzy dengan memperhatikan variabel banyaknya bahan baku, besar biaya produksi, jumlah permintaan, dan jumlah stok. MANFAAT PENELITIAN Masukan atau informasi bagi perusahaan dalam menentukan jumlah produksi. Tambahan ilmu pengetahuan dalam penerapan konsep logika fuzzy terhadap bidang-bidang industri.
6 BAB II KAJIAN PUSTAKA Penelitian-penelitian Sebelumnya 1. Penelitian yang dilakukan oleh Gokmen, dkk. (2010) tentang evaluasi nilai pencapaian hasil belajar siswa dengan menggunakan logika fuzzy. 2. Penelitian yang diakukan oleh Sivarao, dkk. (2009) tentang pemodelan sistem inferensi mamdani dalam memprediksi kekasaran permukaan menggunakan mesin laser. 3. Penelitian yang dilakukan oleh Djunaidi, dkk (2005) tentang penentuan jumlah produksi dengan aplikasi metode fuzzy-mamdani.
7 LOGIKA FUZZY Himpunan logika fuzzy diperkenalkan oleh Lotfi A. Zadeh pada tahun 1965 sebagai cara matematis untuk merepresentasikan ketidakpastian linguistik. Berdasarkan konsep logika fuzzy, faktor-faktor dan kriteria-kriteria dapat diklasifikasikan tanpa batasan yang mengikat. Logika fuzzy sangat berguna untuk menyelesaikan banyak permasalahan dalam berbagai bidang yang biasanya memuat derajat ketidakpastian (Gokmen, dkk., 2010). Pada himpunan klasik (crisp), keanggotaan suatu elemen (x) dalam suatu himpunan (A), sering dinotasikan dengan, hanya ada 2 nilai keanggotaan, yaitu untuk x menjadi anggota A dan untuk x bukan anggota dari A (Chak, 1998). Jika X adalah kumpulan obyek yang dinotasikan dengan x, maka himpunan fuzzy dalam X adalah himpunan pasangan berurutan: A = {( x, µ A( x)) x X } Himpunan Fuzzy Membership Function (MF) Semesta atau semesta pembicaraan
8 FUNGSI KEANGGOTAAN Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan, antara lain: representasi linear, representasi kurva segitiga, representasi kurva trapesium, representasi kurva bentuk bahu, representasi kurva-s, representasi kurva bentuk lonceng.
9 Fuzzy Inferensi Sistem (FIS) Metode Mamdani Metode Mamdani sering dikenal sebagai Metode Min-Max. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun Untuk mendapatkan output, diperlukan 4 tahapan yaitu: 1. Pembentukan himpunan fuzzy 2. Mengaplikasikan metode implikasi 3. Komposisi aturan a. Metode max b. Metode additive c. Metode probabilistik 4. Penegasan (defuzzy) a. Metode centroid b. Metode bisektor c. Metode mean of maximum d. Metode largest of maximum e. Metode smallest of maximum
10 ARIMA ARIMA merupakan suatu alat yang menggunakan nilai-nilai sekarang dan nilai-nilai lampau dari variabel dependen untuk menghasilkan peramalan jangka pendek yang akurat. Model ARIMA terdiri dari dua aspek yaitu aspek autoregressive dan moving average. Secara umum model ARIMA dirumuskan dengan notasi sebagai berikut: ARIMA (p, d, q) Keterangan: AR : p menunjukkan orde/derajat Autoregressive (AR) I : d menunjukkan orde/derajat Differencing (pembedaan) MA : q menunjukkan orde/derajat Moving Average (MA) Model ARIMA mempunyai 3 tahap yang terpisah. Tahap-tahap ini adalah tahap identifikasi model, tahap pengestimasian dan pengujian model, dan tahap penerapan model (Arsyad, 2001).
11 BAB III METODA PENELITIAN Langkah-langkah Penelitian 1. Pengumpulan Data Meliputi data bahan baku, data biaya produksi, data permintaan, data jumlah stok, dan data jumlah produksi dari bulan September 2008 sampai dengan bulan Februari Identifikasi Data Identifikasi data dilakukan untuk menentukan variabel dan semesta pembicaraan yang diperlukan dalam melakukan perhitungan dan analisis masalah.
12 3. Pengolahan Data Pengolahan data dilakukan dengan menggunakan bantuan sofware Matlab dengan menggunakan fasilitas yang disediakan pada toolbox fuzzy dan melakukan langkahlangkah sebagai berikut: Pembentukan himpunan fuzzy Pembentukan aturan-aturan Penentuan komposisi aturan Penegasan (defuzzy) Pengujian Sebelum melakukan langkah-langkah di atas terlebih dahulu dilakukan peramalan. Hal ini dilakukan untuk meramalkan permintaan periode berikutnya. Software yang digunakan sebagai alat bantu peramalan adalah minitab Penarikan Kesimpulan
13 DIAGRAM ALIR PENELITIAN Mulai Pengumpulan data Identifikasi data Pengolahan data: 1. Pembentukan himpunan fuzzy 2. Aplikasi fungsi implikasi 3. Komposisi aturan 4. penegasan (defuzzy) Penarikan kesimpulan
14 P E N G U M P U L A N D A T A
15 PRA PENGOLAHAN DATA Peramalan permintaan Hasil plotting permintaan Plotting Data Permintaan Batik Tulis Santio Permintaan Index
16 Analisis Time series untuk Permintaan Plot ACF dan PACF
17 PENGOLAHAN DATA
18 MEMBUAT FUNGSI KEANGGOTAAN Untuk merepresentasikan variabel kain, malam, pewarna, biaya produksi, permintaan, stok dan jumlah produksi digunakan kurva linier turun (untuk himpunan fuzzy SEDIKIT), kurva linier naik (untuk himpunan fuzzy BANYAK) dan kurva bentuk segitiga (untuk himpunan fuzzy SEDANG). Karena hubungan antara data kain, malam, pewarna, biaya produksi, permintaan, stok, dan jumlah produksi adalah linier dan dipengaruhi oleh waktu.
19 MEMBUAT FUNGSI KEANGGOTAAN
20
21 PEMBENTUKAN ATURAN LOGIKA FUZZY Berdasarkan data yang ada, dapat dibentuk aturan sebanyak 95 aturan. Salah satu contohnya adalah sebagai berikut: [R1] If (Kain is SEDIKIT) and (Malam is SEDIKIT) and (Pewarna is SEDIKIT) and (BiayaProduksi is SEDIKIT) and (Permintaan is SEDIKIT) and (Stok is SEDIKIT) then (JumlahProduksi is SEDIKIT) (1) [R39]If (Kain is SEDANG) and (Malam is SEDANG) and (Pewarna is SEDANG) and (BiayaProduksi is SEDANG) and (Permintaan is BANYAK) and (Stok is SEDANG) then (JumlahProduksi is SEDANG) (1)
22 PENEGASAN input jumlah kain sebesar 640 meter, jumlah malam sebesar 80 gram, jumlah pewarna sebesar 160 ons, jumlah biaya produksi sebesar Rp , jumlah permintaan sebesar 293 lembar (hasil peramalan), dan jumlah stok sebesar 36 lembar menghasilkan output jumlah produksi sebesar 353 lembar.
23
24 Dari pengujian yang telah dilakukan, dengan menggunakan persamaan (2.1) didapat hasil perhitungan Rata-rata Persentase Kesalahan Absolute (Mean Absolute Percentage Error = MAPE) dari metode fuzzy Mamdani yang digunakan adalah 8,25% sedangkan tingkat kebenaran dari hasil perhitungan tersebut adalah 91,75%, maka dapat disimpulkan bahwa hasil dari perhitungan metode fuzzy Mamdani pada sistem ini sudah mendekati kebenaran. Dengan ini metode fuzzy Mamdani ini sesuai digunakan untuk prediksi jumlah produksi.
25 Kesimpulan BAB V PENUTUP 1. Fuzzy Inference System (FIS) dengan metode Mamdani yang telah dibangun dapat digunakan untuk memperkirakan jumlah produksi batik tulis Santio di perusahaan Melati Mekar Mandiri, dengan nilai kebenaran mencapai 91,75%. 2. Untuk menentukan jumlah produksi pada bulan Maret 2011, dilakukan pengolahan data dengan menggunakan bantuan software Matlab Toolbox Fuzzy, dimana pada penegasan (defuzzyfikasi) dengan menggunakan metode centroid. Dengan memasukkan variabel input, yaitu jumlah kain sebesar 640 meter, jumlah malam sebesar 80 gram, jumlah pewarna sebesar 160 ons, jumlah biaya produksi sebesar Rp , jumlah persediaan sebesar 293 lembar, dan jumlah stok sebesar 36 lembar, maka hasil yang didapatkan untuk jumlah produksi pada bulan Maret 2011 sebesar 353 lembar.
26 Saran Adapun saran-saran yang diharapkan adalah sebagai berikut: 1. Bagi para peneliti lain yang tertarik pada permasalahan yang sama diharapkan untuk dapat meneliti lebih lanjut faktor-faktor yang mempengaruhi jumlah produksi dengan metode yang berbeda, agar penelitian-penelitian yang akan datang memiliki ruang lingkup yang lebih luas. 2. Untuk memperbaiki akurasi perhitungan, dapat dilakukan dengan cara mengubah aturan-aturan dan pendefinisian himpunan fuzzy.
27 DAFTAR PUSTAKA Arsyad, Lincolin. (2001), Peramalan Bisnis, BPFE Yogyakarta, Yogyakarta. Chak, C.K., Feng, G., Palaniswani, Marimuthu. (1998), Implementation of Fuzzy Systems dalam Kusumadewi, Sri dan Hartati, Sri. (2006), Neuro-Fuzzy: Integrasi Sistem Fuzzy dan Jaringan Syaraf, Graha Ilmu, Yogyakarta. Cox, Earl. (1994), The Fuzzy Systems Handbook Kusumadewi, sri dan Purnomo, Hari. (2010), Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Graha Ilmu, Yogyakarta. Gokmen, G., Akinci, T.C., Tekt as, M., Onat, N.. (2010), Evaluation of Student Performance in Laboratory Applications using Fuzzy Logic, Procedia Social and Behavioral Sciences, No. 2, hal Jang, J.S.R, Sun, C.T, dan Mitzutani, E. (1997), Neuro Fuzzy and Soft Computing, Prentice-Hall International, New Jersey. Klir, G.J, dan Yuan, Bo. (2001), Fuzzy Sets and Fuzzy Logic: Theory and Applications, Prentice Hall, New Delhi. Kusumadewi, Sri. (2003), Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu, Yogyakarta. Kusumadewi, Sri dan Hartati, Sri. (2006), Neuro-Fuzzy: Integrasi Sistem Fuzzy dan Jaringan Syaraf, Graha Ilmu, Yogyakarta. Kusumadewi, sri dan Purnomo, Hari. (2010), Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Graha Ilmu, Yogyakarta. Kusuma, Hendra. (2009), Manajemen Produksi, Andi, Yogyakarta. Nasution, Arman Hakim. (2006), Manajemen Industri, Andi, Yogyakarta. Negoita, C.V., dan Ralescu, D.A. (1975), Application of Fuzzy Sets to System Analysis dalam Zimmermann, H. J. (2000), Fuzzy Set Theory and Its Applications, Kluwer Academic Publishers, London. Ross, T.J. (2004), Fuzzy Logic With Engineering Aplication, John Wiley & Cons Ltd, USA. Sivarao, Brevern, P.N.S.M, El-Tayeb, Vengkatesh, V.C. (2009), Mamdani Fuzzy Inference System Modeling to Predict Surface Roughness in Laser Machining, International Journal of Intelligent Technology Application, No. 2, hal Supriyono, Azmi, B. (2008), Model Simulasi untuk Optimasi Penentuan Waktu Memasak Buah Kelapa Sawit dengan Logika Fuzzy, Seminar Nasional IV SDM Teknologi Nuklir, hal The Mathworks. (2009), Fuzzy Logic Toolbox User s Guide dalam Gokmen, G., Akinci, T.C., Tektas, M., Onat, N.. (2010), Evaluation of Student Performance in Laboratory Applications using Fuzzy Logic, Procedia Social and Behavioral Sciences, No. 2, hal Zimmermann, H.J. (2000), Fuzzy Set Theory and Its Applications, Kluwer Academic Publishers, London.
PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya
Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP 1209201724 Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut
Lebih terperinciPENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon
Lebih terperinciNURAIDA, IRYANTO, DJAKARIA SEBAYANG
Saintia Matematika Vol. 1, No. 6 (2013), pp. 543 555. ANALISIS TINGKAT KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN KUALITAS MAKANAN MENGGUNAKAN FUZZY MAMDANI (Studi Kasus pada Restoran Cepat Saji
Lebih terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
Lebih terperinciSPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ
SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi
Lebih terperinciPERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )
TUGAS AKHIR PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati (1207 100 031) Dosen Pembimbing: Drs. I G Ngurah Rai Usadha, M.Si Dra. Nuri
Lebih terperinciPERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ. Rianto Samosir, Iryanto, Rosman Siregar
Saintia Matematika Vol. 1, No. 6 (2013), pp. 517-527. PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ Rianto Samosir, Iryanto, Rosman Siregar Abstrak: Logika
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat
Lebih terperinciFUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR
Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa
Lebih terperinciPengantar Kecerdasan Buatan (AK045218) Logika Fuzzy
Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi
Lebih terperinciPenentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno
Penentuan Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Shenna Miranda #1, Minora Longgom Nasution *2, Muhammad Subhan #3 #1 Student of Mathematics department State University
Lebih terperinciARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA
ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK
Lebih terperinciIMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)
IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) Junius_Effendi* Email : Cyberpga@ymail.com ABSTRAK Penelitian ini dilakukan untuk memperlajari
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah kata benda yang berasal dari kata himpun. Kata kerjanya adalah menghimpun. Menghimpun adalah kegiatan yang berhubungan dengan berbagai objek apa saja.
Lebih terperinciSTUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)
STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara
Lebih terperinciDENIA FADILA RUSMAN
Sidang Tugas Akhir INVENTORY CONTROL SYSTEM UNTUK MENENTUKAN ORDER QUANTITY DAN REORDER POINT BAHAN BAKU POKOK TRANSFORMER MENGGUNAKAN METODE FUZZY (STUDI KASUS : PT BAMBANG DJAJA SURABAYA) DENIA FADILA
Lebih terperinciProses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum
Prosiding Penelitian SPeSIA Unisba 2015 ISSN: 2460-6464 Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum 1 Fitria Tri Suwarmi, 2 M. Yusuf Fajar,
Lebih terperinci( ) ( ;,, ) Π(,, ) ( ;, ) ( ;, ) ( ) BAB I PENDAHULUAN A. Latar Belakang Masalah Provinsi Daerah Istimewa Yogyakarta merupakan salah satu kota tujuan wisata yang cukup menarik minat para wisatawan baik
Lebih terperinciLOGIKA FUZZY PADA PROSES PELET PAKAN IKAN
LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN Agung Saputra 1), Wisnu Broto 2), Ainil Syafitri 3) Prodi Elektro Fakultas Teknik Univ. Pancasila, Srengseng Sawah Jagakarsa, Jakarta, 12640 Email: 1) agungsap2002@yahoo.com
Lebih terperinciANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB
ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB Sri Kusumadewi Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab Oleh: Sri Kusumadewi
Lebih terperinciPenggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen
Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen Dwi Rolliawati Fakultas Ilmu Komputer, Sistem Komputer, Universitas Narotama dwi.roliawati@narotama.ac.id Abstrak Dosen sebagai pendidik
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini penulis akan menjelaskan mengenai landasan teori yang digunakan pada penelitian ini. Penjabaran ini bertujuan untuk memberikan pemahaman lebih mendalam kepada penulis
Lebih terperinciPenerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi
Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com
Lebih terperinciFUZZY LOGIC CONTROL 1. LOGIKA FUZZY
1. LOGIKA FUZZY Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan
Lebih terperinciIJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: Perancangan Model Matematis Untuk Penentuan Jumlah Produksi di PT. XZY
IJCCS, Vol.x, No.x, July xxxx, pp. ~5 ISSN: 978-52 Perancangan Model Matematis Untuk Penentuan Jumlah Produksi di PT. XZY Dian Eko Hari Purnomo Universitas Sarjanawiyata Tamansiswa, Program Studi Teknik
Lebih terperinciAnalisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic
Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau
Lebih terperinciANALISIS PERBANDINGAN LOGIKA FUZZY DENGAN REGRESI BERGANDA SEBAGAI ALAT PERAMALAN
ANALISIS PERBANDINGAN LOGIKA FUZZY DENGAN REGRESI BERGANDA SEBAGAI ALAT PERAMALAN SUPRIYONO Sekolah Tinggi Teknologi Nuklir BATAN Jl. Babarsari Kotak Pos 6101/YKBB Yogyakarta. Email : masprie_sttn@yahoo.com
Lebih terperinci1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Salah satu aplikasi sistem cerdas yang paling sukses dan masih berkembang saat ini yaitu peramalan beban listrik. Peramalan beban listrik adalah suatu ilmu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih terperinciPERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program
Lebih terperinciIMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS
IMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS Alfa Saleh Teknik Informatika, Fak Ilmu Komputer Universitas Potensi Utama Jl KL Yos Sudarso KM 65 No3-A, Tanjung Mulia,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara
Lebih terperinciAnalisa Tingkat Kebisingan di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB
Analisa Tingkat di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB Popy Meilina Jurusan Teknik Informatika Universitas Muhammadiyah Jakarta E-mail: Opi3_five@yahoo.com.sg Abstrak -- Fuzzy Logic
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Himpunan Himpunan adalah setiap daftar, kumpulan atau kelas objek-objek yang didefenisikan secara jelas, objek-objek dalam himpunan-himpunan yang dapat berupa apa saja: bilangan, orang,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et
Lebih terperinciadalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK
1 Evaluasi Kinerja Pelayanan Perawat Menggunakan Fuzzy Inference System (FIS) Mamdani ( Studi Kasus : Puskesmas Bonang 1 Demak) ARIS MUTHOHAR Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,
Lebih terperinciPENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI
PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI Hilda Lutfiah, Amar Sumarsa 2, dan Sri Setyaningsih 2. Program Studi Matematika Fakultas Matematika
Lebih terperinciSISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI
SISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI 1209100023 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciLOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima
Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri
Lebih terperinciAPLIKASI MODEL FUZZY DALAM PREDIKSI PRODUKSI TELUR AYAM PETELUR DI KABUPATEN SLEMAN
APLIKASI MODEL FUZZY DALAM PREDIKSI PRODUKSI TELUR AYAM PETELUR DI KABUPATEN SLEMAN SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta Untuk Memenuhi Sebagian
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih terperinciKata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa
SISTEM PENDUKUNG KEPUTUSAN METODE SUGENO DALAM MENENTUKAN TINGKAT KEPRIBADIAN SISWA BERDASARKAN PENDIDIKAN (STUDI KASUS DI MI MIFTAHUL ULUM GONDANGLEGI MALANG) Wildan Hakim, 2 Turmudi, 3 Wahyu H. Irawan
Lebih terperinciPENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA
LOGO PENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA Oleh: DYNES RIZKY NAVIANTI (1208100017) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI
Lebih terperinciPERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ)
PERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ) Edy Victor Haryanto 1, Fina Nasari 2 1,2 UniversitasPotensiUtama Jl. K.
Lebih terperinciLOGIKA FUZZY DALAM TEKNIK PERAMALAN SECARA STATISTIK
LOGIKA FUZZY DALAM TEKNIK PERAMALAN SECARA STATISTIK Deddy Barnabas Lasfeto Abstrak : Selama ini, metode peramalan secara konvensional yang digunakan adalah analisis regresi. Oleh karena itu, dicoba untuk
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN GURU TELADAN MENGGUNAKAN METODE FUZZY MAMDANI ABSTRAK
SISTEM PENDUKUNG KEPUTUSAN GURU TELADAN MENGGUNAKAN METODE FUZZY MAMDANI (STUDI KASUS PROGRAM STUDI TEKNIK INFORMATIKA-S1 UDINUS) Wisnu Joyo Anggita Teknik Informatika Universitas Dian Nuswantoro Semarang
Lebih terperinciMetode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh T - 42 Yudha Al Afis, Agus Maman Abadi Prodi Matematika,
Lebih terperinciPENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)
PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK) Andrian Juliansyah ( 1011287) Mahasiswa Program Studi Teknik
Lebih terperinciErwien Tjipta Wijaya, ST.,M.Kom
Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1 Persediaan 2.1.1 Definisi Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan,
Lebih terperinciMenentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 13 Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani Ghulam Abdul Malik, Agus Maman Abadi Prodi Matematika, Universitas
Lebih terperinciPrediksi Jumlah Produksi Mebel Pada CV. Sinar Sukses Manado Menggunakan Fuzzy Inference System
Jurnal Matematika dan Aplikasi decartesian ISSN:2302-4224 J o u r n a l h o m e p a g e: https://ejournal.unsrat.ac.id/index.php/decartesian decartesian Prediksi Jumlah Produksi Mebel Pada CV. Sinar Sukses
Lebih terperinciSISTEM PAKAR FUZZY UNTUK DIAGNOSIS KANKER PAYUDARA MENGGUNAKAN METODE MAMDANI
Jurnal Generic, Vol. x, No. x, Bulan 201x, pp. x~x ISSN: 1907-4093 SISTEM PAKAR FUZZY UNTUK DIAGNOSIS KANKER PAYUDARA MENGGUNAKAN METODE MAMDANI Rifkie Primartha 1,3), Nurul Fathiyah 2,4) 1 Jurusan Teknik
Lebih terperinciBAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan
BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental
Lebih terperinciEVALUASI KEMAJUAN STUDI MAHASISWA DENGAN PENDEKATAN BASIS DATA FUZZY
EVALUASI KEMAJUAN STUDI MAHASISWA DENGAN PENDEKATAN BASIS DATA FUZZY Hari Murti 1, Eko Nur Wahyudi 2 1,2 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank e-mail: 1 hmurti076@gmail.com,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting untuk mengetahui kondisi ekonomi di suatu daerah dalam suatu periode tertentu, baik atas
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Game dan Video Game Menurut kamus Cambridge Advanced Learner Dictionary, game adalah sebuah aktivitas menghibur dan menyenangkan yang dimainkan oleh anak anak. Sedangkan video
Lebih terperinciAPLIKASI FUZZY LOGIC MAMDANI UNTUK MENGHITUNG JUMLAH PRODUKSI TEMPE
APLIKASI FUZZY LOGIC MAMDANI UNTUK MENGHITUNG JUMLAH PRODUKSI TEMPE S.Nurmuslimah Sistem Komputer, Fakultas Teknologi Informasi,, Jl. Arief Rahman Hakim 100, Surabaya, 60117, Indonesia E-mail: emil_lime15@yahoo.com
Lebih terperinciSIDANG TESIS. Oleh : Enny Rohmawati Malik. Dosen Pembimbing : Dr. Imam Mukhlash,S.Si,M.T
SIDANG TESIS APLIKASI SISTEM INFERENSI FUZZY DAN METODE REGRESI UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI KINERJA KEUANGAN PERBANKAN (Studi Kasus Bank di Indonesia Periode 2005-2009) Dosen Pembimbing
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan perekonomian yang terjadi saat ini menjadikan persaingan bisnis semakin kompetitif, konsumen semakin kritis dalam memilih produk berkualitas tinggi sehingga
Lebih terperinciLOGIKA SAMAR (FUZZY LOGIC)
LOGIKA SAMAR (FUZZY LOGIC) 2. Himpunan Samar 2.. Himpunan Klasik dan Himpunan Samar Himpunan klasik merupakan himpunan dengan batasan yang tegas (crisp) (Jang, Sun, dan Mizutani, 24). Sebagai contoh :
Lebih terperinciPENERAPAN METODE FUZZY MAMDANI UNTUK SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN PT. PRIMATEXCO INDONESIA
PENERAPAN METODE FUZZY MAMDANI UNTUK SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN PT. PRIMATEXCO INDONESIA Akrim Teguh Suseno NIM : A11.2009.04928 Program Studi Teknik Informatika Fakultas Ilmu Komputer
Lebih terperinciAPLIKASI LOGIKA FUZZY UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN MATLAB
52 APLIKASI LOGIKA FUZZY UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN MATLAB (Hansi Effendi) *) ABSTRACT This research is conducted to apply Fuzzy Logic which is implemented in short term load
Lebih terperinciSISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB
JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika
Lebih terperinciEVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI
EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI Karmila Suryani 1), Khairudin 2) 1) FKIP Universitas Bung Hatta Padang 2) FKIP Universitas Bung Hatta Padang e-mail: karmilasuryani.ptik@gmail.com,khaihatta@yahoo.com
Lebih terperinciAPLIKASI LOGIKA FUZZY MENGGUNAKAN METODE TSUKAMOTO DALAM PENGAMBILAN KEPUTUSAN PENENTUAN JUMLAH PRODUKSI
APLIKASI LOGIKA FUZZY MENGGUNAKAN METODE TSUKAMOTO DALAM PENGAMBILAN KEPUTUSAN PENENTUAN JUMLAH PRODUKSI Skripsi untuk memenuhi sebagian persyaratan mencapai derajat Sarjana S-1 Program Studi Matematika
Lebih terperinciPerekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani
BINA INSANI ICT JOURNAL, Vol.3, No. 2, Desember 2016, 279-290 ISSN: 2355-3421 (Print) ISSN: 2527-9777 (Online) 279 Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani Ghofar Taufik 1,*
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY Hafsah, Heru Cahya Rustamaji, Yulia Inayati Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari No 2 Tambakbayan Yogyakarta
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH
68 REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH Septiani Nur Hasanah 1, Nelly Indriani Widiastuti 2 Program Studi Teknik Informatika. Universitas Komputer Indonesia. Jl.
Lebih terperinciAnalisis Sistem Estimasi Produksi Menggunakan Metode Fuzzy Berbasis Web
T E S L A VOL. 19 NO.1 MARET 2017 Analisis Sistem Estimasi Produksi Menggunakan Metode Fuzzy Berbasis Web Boby Wisely Ziliwu 1 dan Suhartati Agoes 1 Abstract: Products demand number of that many in the
Lebih terperinciPREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Supriyanto 1, Sudjono 2, Desty Rakhmawati 3 ( 1,2. UNSOED Purwokerto, 3. STMIK
Lebih terperinciMODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN
Seminar Nasional Inovasi dan Teknologi (SNIT) 202 MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN Ghofar Taufiq AMIK Bina Sarana Informatika Jakarta Jl. Kramat Raya
Lebih terperinciPENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO
PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO Magdalena Simanjuntak Program Studi Teknik Informatika, STMIK Kaputama E-mail : magdalena.simanjuntak84@gmail.com ABSTRACT This study aimed to analyze
Lebih terperinciPenerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang
Penerapan Fuy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang Thomson Mary Program Studi Pendidikan Informatika, STKIP PGRI Sumatera Barat Kampus II, Gunung Pangilun, Padang Email:
Lebih terperinciBAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Logika fuzzy memberikan rangka kerja yang kuat dalam memecahkan masalah
Lebih terperinciSIMULASI PENGOPTIMALAN WAKTU MEMASAK BUAH KELAPA SAWIT DENGAN LOGIKA FUZZY. Yesi Hairian Wenda Dosen Stmik Indragiri
Vol. XI Jilid 2 No.77 Oktober 2017 MENARA Ilmu SIMULASI PENGOPTIMALAN WAKTU MEMASAK BUAH KELAPA SAWIT DENGAN LOGIKA FUZZY Yesi Hairian Wenda Email : wendayesi@gmail.com Dosen Stmik Indragiri ABSTRACT Simulation
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang harus dipenuhi setiap harinya. Beras memiliki peranan penting dalam kelangsungan hidup manusia. Untuk memenuhi
Lebih terperinciPENERAPAN METODE FUZZY INFERENCE SYSTEM DALAM MENGOPTIMALKAN JUMLAH PRODUKSI LAPIS LEGIT LAMPUNG. (Skripsi) Oleh REKA MUSTIKA PUTRI SELLA
PENERAPAN METODE FUZZY INFERENCE SYSTEM DALAM MENGOPTIMALKAN JUMLAH PRODUKSI LAPIS LEGIT LAMPUNG (Skripsi) Oleh REKA MUSTIKA PUTRI SELLA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciAPLIKASI SISTEM INFERENSI FUZZY METODE MAMDANI UNTUK PERENCANAAN JUMLAH PRODUKSI PAKAIAN DI CV CIPTA SARANA MANDIRI
APLIKASI SISTEM INFERENSI FUZZY METODE MAMDANI UNTUK PERENCANAAN JUMLAH PRODUKSI PAKAIAN DI CV CIPTA SARANA MANDIRI Disusun Oleh: Shella Anjani Muhiardi/38412265 Pembimbing: Dr. Emirul Bahar, ACSI. LATAR
Lebih terperinciSaintia Matematika ISSN: Vol. 2, No. 2 (2014), pp
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 2 (2014), pp. 115 126. PERENCANAAN JUMLAH PRODUKSI MIE INSTAN DENGAN PENEGASAN (DEFUZZIFIKASI)CENTROID FUZZY MAMDANI (Studi Kasus: Jumlah Produksi Indomie
Lebih terperinciOleh: ABDUL AZIS JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013
Oleh: ABDUL AZIS 1209 100 073 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013 Sektor pertanian merupakan salah satu penopang perekonomian
Lebih terperinciDAFTAR ISI LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR...
DAFTAR ISI Halaman LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR... BIODATA ALUMNI... DAFTAR ISI... DAFTAR TABEL... DAFTAR
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern mengenai ketidakpastian
Lebih terperinciPERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES
PERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES Nurmalitasari STMIK Duta Bangsa Surakarta nurmal_ita@yahoo.com ABSTRAK Penelitian ini bertujuan
Lebih terperinciPENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No. (204), hal 39-46. PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI Yoakim Marinus
Lebih terperinciPenerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai)
Penerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai) Magdalena Simanjuntak 1), Achmad Fauzi 2) Program Studi Teknik Informatika STMIK Kaputama 1) Program Studi Manajemen
Lebih terperinciSTUDI TENTANG PERSAMAAN FUZZY
STUDI TENTANG PERSAMAAN FUZZY Elva Ravita Sari Evawati Alisah Jurusan Matematika Fakultas Sains Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang e-mail: mbemvie@gmail.com ABSTRAK Bilangan
Lebih terperinciPERENCANAAN JUMLAH PRODUKSI MEJA ALUMUNIUM UNTUK MEMINIMALKAN BIAYA PRODUKSI DENGAN METODE FUZZY MAMDANI Di UD. Meubel Alumunium, Mojokerto
PERENCANAAN JUMLAH PRODUKSI MEJA ALUMUNIUM UNTUK MEMINIMALKAN BIAYA PRODUKSI DENGAN METODE FUZZY MAMDANI Di UD. Meubel Alumunium, Mojokerto SKRIPSI Oleh : MUISA OCTAVIA NPM : 0632010185 JURUSAN TEKNIK
Lebih terperinciFUZZY INFERENCE SISTEM MAMDANI UNTUK PENENTUAN KREDIT PADA KPN ESTIKA DEWATA. Oleh
FUZZY INFERENCE SISTEM MAMDANI UNTUK PENENTUAN KREDIT PADA KPN ESTIKA DEWATA Oleh I Made Budi Suwadnyana 1, A.A. Gede Bagus Ariana 2 Program Studi Teknik Informatika STMIK STIKOM INDONESIA Email: balibudi55@yahoo.com
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Kompetensi Pedagogik Menurut Mahmudin (2008) Kompetensi Guru merupakan seperangkat pengetahuan, keterampilan, dan perilaku yang harus dimiliki, dihayati, dikuasai, dan diaktualisasikan
Lebih terperinciANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG
ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG Harison Dosen Jurusan Teknik Informatika Fakultas Teknologi Industri Institut Teknologi Padang Abstrak Keputusan
Lebih terperinciSistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani
Sistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani Eddy Triswanto S., ST., M.Kom. Jurusan Sistem Informasi Institut Informatika Indonesia Jl. Raya Sukomanunggal Jaya 3, Surabaya
Lebih terperinciImplementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic
JTRISTE, Vol.2, No.2, Oktober 2015, pp. 18~28 ISSN: 2355-3677 Implementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic Junaedy 1, Abdul Munir 2 STMIK KHARISMA
Lebih terperinciSIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI
SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI Nofriadi * 1), Havid Syafwan 2) 1) Program Studi Sistem Informasi, STMIK Royal Kisaran Jl. Prof. M. Yamin 173 Kisaran, Sumatera
Lebih terperinciMenentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani
Menentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani Anitaria Simanullang 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED anitaria.simanullang@gmail.com
Lebih terperinciPENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO
PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO Asrianda 1 asrianda@unimal.ac.id Abstrak Bertambahnya permintaan mahasiswa atas kebutuhan makan seharihari, berkembangnya usaha warung
Lebih terperinciMengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani
Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : 978-62-56--7 Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani Sepri Yanti
Lebih terperinciBAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004)
BAB IV METODOLOGI 4.1 Sistem Pengoperasian Waduk. Tujuan di bangun suatu sistem waduk sangat mempengaruhi strategi pengoperasian sistem waduk yang bersangkutan. Dalam mengembangkan model optimasi pengoperasian
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Komponen Mobil Mesin terdiri atas beberapa bagian yang memiliki fungsinya masingmaning. Bagian-bagian atau komponen-komponen tersebut bekerja bersama-sama untuk menghasilkan
Lebih terperinci